电子发烧友网Elecfans公众号文章

我国首个十万卡AI超集群背后：中国AI算力底座的 "系统级" 突围

电子发烧友网报道（文/吴子鹏）大模型正在以惊人的速度膨胀。从千亿参数到万亿参数，模型规模的每一次跃迁，都在对底层算力基础设施发起更严苛的挑战。

科技与互联网
电子发烧友网Elecfans

公众号 · 26 篇文章

查看主页 →
电子发烧友网报道（文/吴子鹏）大模型正在以惊人的速度膨胀。从千亿参数到万亿参数，模型规模的每一次跃迁，都在对底层算力基础设施发起更严苛的挑战。然而，面对 “内存墙” 与 “通信墙” 两座大山，业界逐渐意识到：单靠芯片性能的抬升，已无法促进算力集群能力的同等线性增长。

2025 年，有行业嘉宾分享数据称，过去 8 年里，单卡硬件算力增长了 40 倍，但节点内总线带宽只增长了 9 倍，跨节点网络带宽只增长了 4 倍 —— 通信，而不是计算，已成为大模型训练和推理的最大瓶颈。

在这个背景下，超节点类型的大规模集群成为行业重要的突破方向。日前，2026 全国高性能计算学术大会上，今年刚刚建成的我国首个全国产十万卡 AI 超集群真机亮相，并发布十大重要应用成果。它的算力可以支撑在计算机里创造一个数字孪生大脑，甚至模拟百亿光年演化的宇宙。

为什么AI数据中心必须走向超节点、超集群

要理解曙光 8000 的分量，得先理解一件事：大模型参数从千亿冲向万亿、十万亿，MoE（混合专家）架构成主流，Agent 应用爆发。这些变化有一个共同的副作用：卡与卡之间的通信量，涨得比算力本身还快。

一组被反复引用的数据很能说明问题：训练一个万亿参数 MoE 模型时，跨节点通信开销占总训练时间的比例，有实测数据表明，混合专家模型前向传播阶段，通信占比高达 43.6%。在这种结构下，哪怕单卡算力再翻一倍，通信瓶颈不解决，整体训练速度的提升也极为有限。

超节点则通过高速互连把更多加速卡组成一台 “超级计算机”，实现统一内存编址，时延可低至微秒级，带宽达到每秒 TB 级别，还能直接访问跨节点资源。

对国产算力而言，超节点还有另一层意义 —— 它弥补了单芯片性能偏弱的短板，让国产方案追平全球先进算力水平成为可能。过去国产 GPU 厂商主要比拼单颗芯片的性能，如今开始讲述一套完整超节点如何稳定运行大模型、如何提高计算效率。

而超集群就是更大规模的算力基础设施，将一个个超节点高效地链接在一起。

十万卡集群 “曙光 8000”：不只是把卡堆起来

今年 7 月 ，中科曙光宣布我国首个全国产十万卡 AI 超集群 “曙光 8000（登峰）” 正式落成，并同步接入国家超算互联网。三个多月后，这套集群在深圳的高性能计算学术大会上以真机亮相，集中发布十大应用成果。

传统算力中心把超算和智算物理分开：一套集群跑科学计算、用 FP64 高精度；另一套跑 AI 训练、用 FP16/INT8 低精度。两套系统隔离，资源利用率低，往往一边闲置一边算力不足。曙光 8000 走的是 “超智融合” 的原生架构，没有物理分区，同一个集群既能跑科学计算，也能跑大模型训练，资源可以动态调度。这在工程上难度极大，要解决异构算力协同、精度切换、任务调度等一系列问题，但收益也很直接：集群整体资源利用率可显著提升。

根据发布会的消息，在系统建设上，曙光 8000具备 “芯片、计算、存储、网络、散热、应用、服务” 全链路全自研 AI 基础设施能力。其中，海光等国产芯片为系统建设提供底层支撑；scaleFabric 类 IB 原生 RDMA 高速网络实现十万卡集群高可靠连接；ParaStor 分布式存储支撑大模型训练和科学计算中的海量数据读写，并在 2026 全球 IO500 榜单中获得生产型全节点和 10 节点性能双榜第一；全球领先的浸没式相变液冷技术，可支撑单机柜 MW 级高功率密度部署，并通过国产冷媒、全年自然冷却等方式提升集群能效。同时，依托开放计算生态、算力服务能力，可为各类科研机构、行业用户和应用开发者提供从底层算力到应用适配的全面支撑。

2026 年 10 月 18 日，曙光 8000 十大前沿应用成果在大会上集中发布，覆盖基础科学、民生应用和工程研究三大方向。例如，在基础科学领域，“千衍” 宇宙学模拟以 4 万亿个暗物质粒子重现宇宙演化，被国际学界评价为 “刷新了当前数值宇宙学的发展极限”；MatPL 机器学习力场软件首次将接近量子力学精度的分子动力学模拟推进至万亿原子规模，刷新多项世界纪录。

面向民生应用，国产 AI 全球短中期集合预报模型 “风清集合 V1.0” 已投入业务运行；全新大气 — 气候一体化模式在 1 小时内完成全球公里级数值预报，我国 AI 气象预报与数值预报业务化能力双双迈入世界先进水平。

超节点和超集群赛道上的国产军团

曙光 8000 并非孤例。进入 2026 年，超节点已成为国产 GPU 厂商展示的重点，但各家在互联规模、整机架构和软件生态上各有取舍。

比如华为 Atlas 950 SuperPoD 液冷超节点，最大支持 1024 片 NPU 高速互联，总带宽高达 1.72PB/s；支持 256TB 全局内存统一编址与内存语义，提供 64 卡或 1024 卡多种配置。性能方面，昇腾 950 超节点提供 1 EFLOPS FP8、2 EFLOPS FP4 澎湃算力，拥有 256TB 全局统一内存编址空间。依托 TB 级 NPU 互联超大带宽与 3 微秒超低 RTT 时延，可从容支撑海量并发下的训练与推理场景。基于该超节点打造的 Atlas 950 SuperCluster 集群可扩展至 50 万卡。

再比如摩尔线程 MTT C256 超节点，突破业界普遍的一层网络 64 卡限制，MTT C256 首次在一层 Scale-up 网络中实现 256 卡全互联。这使得卡间通信延迟被压缩至亚微秒级，带宽利用率显著提升，为大模型分布式并行策略的优化提供了更广阔的空间。该超节点采用 2U 节点设计，完美兼容现有的智算软硬件生态，支持集群从万卡向十万卡级平滑扩展。

此外，比较引人关注的超节点还有阿里云磐久 AL128 / 真武 M890、百度智能云天池 256/512、沐曦曦景 S600 超节点、燧原云燧 ESL64-O 超节点等。

实际上，各家对超节点 “造多大” 的答案并不相同：有人押注高密度整柜、为超大规模模型预留空间，有人强调 64 卡满足现阶段部署、控制采购门槛。差异背后，是厂商对未来大模型发展方向与现实市场需求的不同判断。

而当超节点越造越大，竞争逻辑也随之改变。过去厂商要证明自己的 GPU 能跑主流大模型，如今还要证明整套超节点能稳定交付、持续生产，并在整个使用周期内创造足以覆盖成本的收入。

超节点背后的创新技术

如果把这一轮国产超节点的创新做一次提炼，最值得关注的几条技术主线是：

正交、无背板、零线缆结构
WAIC 2026 上，很多超节点服务器采用正交无线缆设计：拿掉传统外置交换机与柜内海量线缆。好处是缩短信号路径、降低损耗与故障点、提升可维护性；代价是对高速连接器与结构工艺提出了极高要求。

浸没式相变液冷 + 单机柜 MW 级功率密度
目前，部分超节点的 PUE 压到接近 1，靠的是浸没相变液冷 + 国产冷媒 + 全年自然冷却。当单柜功耗普遍突破 100kW，液冷已经不是 “绿色加分项”，而是集群能否落地建设的先决条件 —— 同时对存量数据中心的承重、供电、冷源提出了改造要求。

自研总线协议与原生 RDMA 网络
这样的例子有很多，华为灵衢（UnifiedBus）、曙光 scaleFabric、阿里 ICN Switch、腾讯 / 信通院 ETH-X 的 Ethernet/RoCE 开放路线 —— 总线协议是超节点的 “中枢神经”，也是各家最核心的护城河。目前国产交换芯片在端口速率、生态适配上仍有差距，这是公认的短板之一。

统一内存编址
统一内存编址通过内存池化实现显存与算力解绑，直击 MoE 推理低时延与 KV Cache 暴涨的痛点。

全精度融合（FP64→INT4）
当 AI4S 兴起，科学计算需要双精度、AI 需要低精度，一套系统同时提供两种能力并统一调度，才可能支撑 “超算造数据→智算学规律→超算做复核” 的闭环。

超集群数字孪生与智能调度
万卡以上的集群，故障是常态而非意外。物理集群数字孪生 + 智能运维平台把可用性做到 99.99% 甚至更高，智能调度引擎管理万级节点、十万级用户、每秒万级作业 —— 这决定了十万卡集群是 “能用” 还是 “好用”。

光互连与硅光
光交换代表下一代方向：用光取代电做芯片间通信，带宽更高、延迟更低、传输距离更长。

结语

从这次十万卡集群的落地，可以提炼一套判断国产算力进步的框架：不再只看单卡性能，而要看系统级能力 —— 网络是否自研、存储散热是否跟得上、应用生态是否跑得通、系统是否稳定可运维。

值得客观看待的是，国产算力与海外顶尖产品在单卡性能和高端软件生态上仍有差距。但国产路线并非单纯堆单卡性能，而是靠系统级创新、全链路协同来补短板。从万卡到十万卡，从单点突破到全链路国产化，从实验室样机到规模化商用，国产算力正在把 “能用但不好用” 变成历史。

声明：本文由电子发烧友原创，转载请注明以上来源。如需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱[email protected]。


更多热点文章阅读



点击关注 星标我们



将我们设为星标，不错过每一次更新！

喜欢就奖励一个“在看”吧！

前往微信阅读全文

内容来自公众号，可前往微信查看原文。

查看作者的更多文章 →订阅更新、RSS 与阅读指南 →